107

CIUDAD DE MÉXICO. Alejandro Zamudio Sosa, Jorge Iván Fletes, Roberto Ariel Abeldaño Zuñiga
PANDEMIA Y EMOCIONES: ANÁLISIS DE EMOCIONES EXPRESADAS EN TWITTER ANTE LA PANDEMIA POR COVID-19 EN LA
Resumen
Este estudio tiene el propósito de explorar las emociones
de las personas usuarias de una red social, en Ciudad de
México, en el contexto de la pandemia por COVID-19.
Los aportes de este estudio se orientan a brindar herra-
mientas para el diseño de estrategias poblacionales de
salud mental, como un esfuerzo para mitigar las conse-
cuencias de esta crisis sanitaria.
Palabras clave: COVID-19; emociones; salud mental;
pandemias; ciencias de los datos.

Abstract:
This study aims to explore the emotions of users of a so-
cial network, in Mexico City, in the context of the CO-
VID-19 pandemic. The contributions of this study are
focusedon providing tools for the design of population
-
sequences of the current health crisis.
Keywords: COVID-19; emotions; mental health; pande-
mics; data science.

108
CIUDAD DE MÉXICO. Alejandro Zamudio Sosa, Jorge Iván Fletes, Roberto Ariel Abeldaño Zuñiga
PANDEMIA Y EMOCIONES: ANÁLISIS DE EMOCIONES EXPRESADAS EN TWITTER ANTE LA PANDEMIA POR COVID-19 EN LA
Resumo
Este estudo tem como objetivo explorar as emoções dos usuários de uma rede social, na
Cidade do México, no contexto da pandemia COVID-19. As contribuições deste estudo
visam fornecer ferramentas para o desenho de estratégias de saúde mental da população,
como um esforço para mitigar as consequências desta crise de saúde.
Palavras-chave: COVID 19, pandemia, emoções, redes sociais
Introducción
importante la salud mental y las emociones de las personas en todo el mundo. En México,
la población no ha quedado ajena a esta situación (1-5). Varios autores reportaron que
proporción importante de la población alrededor del mundo (6-12). Por ejemplo, algunas
personas han experimentado problemas para conciliar el sueño, otras personas han ex-
perimentado un mayor consume de alcohol y otras sustancias psicoactivas, mientras que
algunas personas han transitado por problemas económicos y laborales motivados por la
crisis económica que ha generado la pandemia, que han impactado de manera negativa en
la salud mental (13,14).
Dado que mucha gente expresa sus emociones, sus pensamientos y sus puntos de vista en
las redes sociales ante un problema de actualidad, las publicaciones en las redes sociales
pueden constituirse en un indicador importante de las emociones por las que atraviesa un
grupo de la sociedad ante un problema que preocupa a toda la población, como en este
caso, la pandemia por COVID-19 (15-21). En el contexto de COVID-19, las tendencias
de las discusiones en línea han llevado a que la gente se preocupara todavía más por la
situación en sus respectivos países y ciudades, lo cual indudablemente ha afectado ne-
gativamente a las emociones y consecuentemente a la salud mental de las personas (22).
Algunos estudios previos encontraron que los síntomas más frecuentes reportados por la
población ha sido pánico, ansiedad, enojo, dolor y disgusto (23-25).
Este estudio tiene el propósito de explorar las emociones de las personas usuarias de una
red social, en Ciudad de México (CDMX), en el contexto de la pandemia por COVID-19.
Los aportes de este estudio se orientan a brindar herramientas para el diseño de estrategias
poblacionales de salud mental, como un esfuerzo para mitigar las consecuencias de esta
crisis sanitaria.
Metodología
en Twitter de Ciudad de México se extrajeron 18000 tweets durante el periodo del 17 de
noviembre al 2 de diciembre,mediante la utilización de la librería “rtweet” y de la función
-
dad de México, en idioma español, eliminando retweets y seleccionando aquellos más
recientes.
Para analizar la dinámica de la incidencia y las defunciones por SARS-CoV-2, se extraje-
ron los datos de COVID-19 de la plataforma Data México correspondientes a la Ciudad de
México, y se realizó análisis descriptivo de los mismos en Python mediante Google Colab.
Mediante el software R y con ayuda de la librería tidytext (Silgey Robinson, 2020) se
realizó preprocesamiento de tweets mediante tokenización, removiendo stopwors y signos
tweets. Posteriormente se obtuvo un corpus de palabras (bolsa de palabras) para obtener
la nube de palabras, se removió el sparse (palabras poco frecuentes pero numerosas) para

las palabras del corpus restante para obtener los dendogramas mediante análisis de clúster
-

tendencias emocionales en el transcurso de los días. Por último, se unieron las muertes y

Para el análisis de sentimientos se utilizó la librería “syuzhet” (Matthew, J. 2017) y la

-
ciadas a cada sentimiento del diccionario nrc creado para el análisis de sentimientos (Mo-
hammad y Turney, 2010), posteriormente mediante la función “summarize” se suman la
cantidad de palabras totales asociadas a cada sentimiento para extraer el total de palabras
por sentimiento para todos los tweets. El mismo procedimiento se realizó por día, para
saber cuántas palabras asociadas a cada sentimiento se realizaron por día en el intervalo

proporción de cada sentimiento por día dividiendo cada el número totales de palabras aso-
ciadas a cada sentimiento por día entre el mayor número de palabras registradas a algún
sentimiento en todo el periodo, de tal modo que tanto las emociones por día como los con- 109

CIUDAD DE MÉXICO. Alejandro Zamudio Sosa, Jorge Iván Fletes, Roberto Ariel Abeldaño Zuñiga
PANDEMIA Y EMOCIONES: ANÁLISIS DE EMOCIONES EXPRESADAS EN TWITTER ANTE LA PANDEMIA POR COVID-19 EN LA
Resultados

palabras se observan dos núcleos fuertes. El primer núcleo asocia a los términos Covid,
coronavirus, pandemia, México y las palabras “post” y “vacuna”. Esto estaría indicando
que las personas orientan las discusiones en la red social hacia un escenario post-covid
que sólo sería posible a través de la vacuna. En tanto, el segundo núcleo asocia a los tér-
minos que tienen que ver con las defunciones, los contagios, y la barrera simbólica de las
100,000 defunciones.

Figura 1: Bi-grama de los términos utilizados en Twitter

En el análisis de clusters (Figura 2) se observan dos clusters predominantes, uno que

muestra términos vinculados a la dinámica de las primeras fases de la pandemia (noticias,

término “vacuna” aparece en la misma agrupación que los términos “coronavirus”, “con-
tagio” y “México”. Las principales preocupaciones actuales de las personas en la CDMX
 parecieran ser la dinámica de contagios y la potencial vacuna.

110
CIUDAD DE MÉXICO. Alejandro Zamudio Sosa, Jorge Iván Fletes, Roberto Ariel Abeldaño Zuñiga
PANDEMIA Y EMOCIONES: ANÁLISIS DE EMOCIONES EXPRESADAS EN TWITTER ANTE LA PANDEMIA POR COVID-19 EN LA

Figura 2: Dendograma de las emociones expresadas en Twitter

Las emociones asociadas a la pandemia y al COVID-19 en la ciudad de México fueron,

-
bro. Si a estas emociones se las analiza en asociación con los términos más frecuentes en
las publicaciones de Twitter, encontramos que las emociones de miedo y tristeza estarían
asociadas con la dinámica de contagios y defunciones; mientras que la palabra “vacuna”,

(Figura 3).

Figura 3: Emociones asociadas a la COVID-19 en Twitter del 17 de noviembre al 2 de

diciembre de 2020
Respecto del análisis de las últimas dos semanas en la Ciudad de México, se ve un senti-
-

va en aumento. Esto último, podría estar motivado por los anuncios públicos respecto de
las vacunas en las últimas semanas (Figura 4).

111

CIUDAD DE MÉXICO. Alejandro Zamudio Sosa, Jorge Iván Fletes, Roberto Ariel Abeldaño Zuñiga
PANDEMIA Y EMOCIONES: ANÁLISIS DE EMOCIONES EXPRESADAS EN TWITTER ANTE LA PANDEMIA POR COVID-19 EN LA
Figura 4: Tendencia de emociones del 17 de noviembre al 2 de diciembre de 2021
(El color rojo corresponde al miedo, el purpura corresponde a la tristeza, el azul a la

amarillo a la sorpresa)

los casos nuevos por día en la CDMX (línea verde). Como se puede ver, los tweets respon-
den de dos a tres días de diferencia ante el aumento de casos, pues el miedo y la tristeza

en general reacciona emocionalmente a una noticia o evento de uno a dos días pasado el
mismo (Figura 5).
112
Figura 5: Tendencia de emociones del 17 de noviembre al 2 de diciembre 2021
(El color rojo corresponde al miedo, el purpura corresponde a la tristeza, el azul a la
CIUDAD DE MÉXICO. Alejandro Zamudio Sosa, Jorge Iván Fletes, Roberto Ariel Abeldaño Zuñiga
PANDEMIA Y EMOCIONES: ANÁLISIS DE EMOCIONES EXPRESADAS EN TWITTER ANTE LA PANDEMIA POR COVID-19 EN LA

amarillo a la sorpresa. EL color verde corresponde al número de casos diagnosticados)

-
cionales con referencia a las muertes diarias en la CDMX (línea verde) (Figura 6).

Figura 6:Tendencia de emociones del 17 de noviembre al 2 de diciembre (El color rojo

a la anticipación, el negro al enojo, el azul cielo a la felicidad y el amarillo a la sorpresa.

EL color verde corresponde al número de muertes diarias)
Esto tiene una importancia fundamental y que potencialmente podría escalarse a todo el
país. La gente visualiza un escenario post-covid asociado a la vacuna. La posibilidad de

sentimientos negativos asociados a la dinámica de contagios y defunciones. Estos insumos

la gente en la vacuna para un escenario post-Covid, y al mismo tiempo se contrarrestarían
los efectos de la difusión “antivacuna” que algunos usuarios realizan en las redes sociales.

Discusión y conclusiones
Este estudio permite contar con una herramienta que posibilita conocer las tendencias
emocionales de las personas, mediante tweets, durante la crisis sanitaria actual. Al mismo
tiempo, que dicha herramienta nos pueda dar a conocer los principales tópicos y temas
que la gente piensa relacionado con las crisis. De esta forma, es posible contar con infor-
mación sobre emociones y pensamientos para ciudades determinadas. Además, es posible
tener indicadores actualizados de salud mental para proponer e implementar estrategias
de comunicación sanitaria efectivas, tener conocimientos para saber qué mensajes dar y
cómo ayudar a la población en temas de salud mental ante la crisis sanitaria, y, por último,
dotar de indicadores de salud mental actualizados a los profesionales de esta disciplina

La principal limitación que tuvimos fue que no se cuenta con la API de Twitter premium
o a nivel empresarial, lo que limitó en la obtención de datos de la misma aplicación, sin
embargo, si se cuenta con dicha API se podría evaluar el impacto emocional y los pensa- 113
mientos día por día y con un histórico desde que inició la pandemia. Por otro lado, en esta
primera exploración no fue posible desarrollar un Dashboard donde el usuario pudiera

CIUDAD DE MÉXICO. Alejandro Zamudio Sosa, Jorge Iván Fletes, Roberto Ariel Abeldaño Zuñiga
PANDEMIA Y EMOCIONES: ANÁLISIS DE EMOCIONES EXPRESADAS EN TWITTER ANTE LA PANDEMIA POR COVID-19 EN LA
visualizar sentimientos por separado, así como obtener n-gramas o dendogramas por día,
semanas o meses y su relación con el número de contagios nuevos, acumulados y muertos
en México.
Entre las fortalezas de este estudio se puede mencionar su escalabilidad. La propuesta
metodológica y de análisis de datos puede ser escalado en tres ejes. En primer lugar, los
resultados se pueden presentar en tiempo real en una plataforma como DataMexico, pues
buscan dar indicadores de salud mental ante la pandemia en tiempo real (los cuales son
muy escasos en México). Por otro lado, la metodología planteada se puede utilizar no solo
para la Ciudad de México y no solo utilizando Twitter, se puede extrapolar en toda la re-
pública y en otras redes sociales. Por último, la metodología se puede utilizar no solo ante
el COVID-19 si no a fenómenos o acontecimientos como desastres, enfermedades de gran
magnitud y fenómenos sociales diversos.

Referencias bibliográficas
1. Saleh SN, Lehmann CU, McDonald SA, Basit MA, Medford RJ. Understanding
public perception of coronavirus disease 2019 (COVID-19) social distancing on

2. Sallam M, Dababseh D, Yaseen A, Al-Haidar A, Ababneh NA, Bakri FG, et al.

Conspiracy beliefs are associated with lower knowledge and higher anxiety levels
regarding COVID-19 among students at the University of Jordan. Int J Environ Res
Public Health. 2020; 17:4915.
3. -

and Twitter. Int J Environ Res Public Health. 2020;17(12):4552.

4. Xue J, Chen J, Chen C, Zheng C, Li S, Zhu T. Public discourse and sentiment during
the COVID 19 pandemic: using latent dirichlet allocation for topic modeling on
Twitter. PLoS ONE. 2020;15(9): e0239441.
5. Xue J, Chen J, Hu R, Chen C, Zheng C, Su Y, Zhu T. Twitter Discussions and emo-
tions about the COVID-19 Pandemic: Machine Learning Approach. J Med Internet
Res. 2020;22(11):e20550.
 6. -
re about the COVID-19 outbreak on Twitter?

Informatics 2020;27:e100133.
7. Kurten S, Beullens K. #Coronavirus: monito-
ring the Belgian Twitter discourse on the se-
vere acute respiratory syndrome coronavirus
2 pandemic. Cyberpsychol Behav Soc Netw.
2021;24(2):117-122.
8.
Determining public opinion of the COVID-19
pandemic in South Korea and Japan: social
network mining on Twitter. Healthc Inform
Res. 2020;26(4):335-343.
9. Li Y, Zeng Y, Liu G, Lu D, Yang H, Ying Z, Hu
Y, Qiu J, Zhang C, Fall K, Fang F, Valdimars-
-
ness, emotional reactions and human mobili-
114 ty in response to the COVID-19 outbreak in
China - a population-based ecological study.
Psychol Med. 2020;1-8.
CIUDAD DE MÉXICO. Alejandro Zamudio Sosa, Jorge Iván Fletes, Roberto Ariel Abeldaño Zuñiga
PANDEMIA Y EMOCIONES: ANÁLISIS DE EMOCIONES EXPRESADAS EN TWITTER ANTE LA PANDEMIA POR COVID-19 EN LA

10. Lwin MO, Lu J, Sheldenkar A, Schulz PJ, Shin

-
rrounding the COVID-19 pandemic on Twitter:
analysis of Twitter trends. JMIR Public Health
Surveill. 2020;6(2):e19447.
11.
medical news frames on Twitter: infodemiolo-
gical study on COVID-19 in South Korea. J
Med Internet Res. 2020;22(5):e18897.
12. Saha K, Torous J, Caine ED, De Choudhury

pandemic: large-scale quasi-experimental stu-

dy on social media. J Med Internet Res. 2020
;22(11):e22600.
13. Caldera-Villalobos C, Garza-Veloz I, Martí-
nez-Avila N, Delgado-Enciso I, Ortiz-Castro
Y, Cabral-Pacheco GA et al. The coronavirus
disease (COVID-19) challenge in Mexico: a

society. Front Public Health. 2020; 8:337.

14. Devi S. COVID-19 exacerbates violen-
ce against health workers. Lancet. 2020;
396(10252):658.
15. Chehal D, Gupta P, Gulati P. COVID-19 pan-
demic lockdown: an emotional health perspec-
tive of Indians on Twitter. Int J Soc Psychiatry.
2021; 67(1):64-72.
16.
al. Public emotions and rumors spread during
the COVID-19 epidemic in China: web-based
correlation study. J Med Internet Res. 2020;
22(11):e21933.
17. Dubey AD. The resurgence of cyber ra-
cism during the COVID-19 pandemic and

emotions in Tweets. JMIR Public Health

Surveill. 2020; 6(4):e19833.
18. Fan L, Yu H, Yin Z. Stigmatization in social
media: Documenting and analyzing hate
speech for COVID-19 on Twitter. Proc As-
soc Inf Sci Technol. 2020;57(1):e313.
19. Hung M, Lauren E, Hon ES, Birmingham

Lipsky MS. Social network analysis of CO-

intelligence. J Med Internet Res. 2020;

22(8):e22590.
20.
share about the COVID-19 outbreak on
Twitter? An exploratory analysis. BMJ
Health Care Inform. 2020; 27(3):e100133. 115
21. Kurten S, Beullens K. #Coronavirus: Moni-
toring the Belgian Twitter Discourse on the

CIUDAD DE MÉXICO. Alejandro Zamudio Sosa, Jorge Iván Fletes, Roberto Ariel Abeldaño Zuñiga
PANDEMIA Y EMOCIONES: ANÁLISIS DE EMOCIONES EXPRESADAS EN TWITTER ANTE LA PANDEMIA POR COVID-19 EN LA
Severe Acute Respiratory Syndrome Coro-
navirus 2 Pandemic. Cyberpsychol Behav
Soc Netw. 2021; 24(2):117-122.
22.
P et al. Emotions and rumors spread during
the COVID-19 epidemic in China: web-ba-
sed correlation study. J Med Internet Res.
2020; 22(11):e21933.
23. Abd-Alrazaq A, Alhuwail D, Househ M,
Hamdi M, Shah Z. Top Concerns of Twee-
ters During the COVID-19 Pandemic: Info-
veillance Study. J Med Internet Res. 2020;
22(4):e19016.
24. Arora A, Chakraborty P, Bhatia MPS,
Mittal P. Role of Emotion in Excessive
Use of Twitter During COVID-19 Imposed
Lockdown in India. J Technol Behav Sci.
2020; 1-8.
25. Chehal D, Gupta P, Gulati P. COVID-19
pandemic lockdown: An emotional health
perspective of Indians on Twitter. Int J Soc
Psychiatry. 2021; 67(1):64-72.